Jul, 2023

感知系统安全要求的高效确定

PDF
TL;DR本文提出了一种名为 “平滑强盗” 的新方法，利用黑盒模拟器的优势，有效确定满足安全要求的感知系统的性能特征，以视觉为基础的飞机避撞问题的实验证明了该方法的精确性和效率优于高斯过程和阈值强盗基线。
perception systemssafety requirementsestimation methodsblack-box simulatoraircraft collision avoidance
发现论文，激发创造
  • 基于风险的感知系统设计

    本文提出了一种基于风险分析的方法来设计自主系统感知模块，从而最小化感知误差对系统安全性的影响，并在真实的基于视觉的飞机避碰应用中证明，此方法可以将风险降低 37% 以上。

    May, 2022

  • 自主车辆稳健决策中感知误差建模

    本文提出了一种基于仿真的方法，以回答一个关键问题：感知系统的性能是否足以让决策系统做出强有力的、安全的决策，同时还展示了如何分析不同类型的感知误差对自主系统行为的影响。

    Jan, 2020

  • 感知系统监测：基于确定性、概率性和基于学习的故障检测与识别

    本文研究了感知系统的运行时监测，提出了一个基于诊断图的故障检测和识别框架，并提供了一系列基于诊断图的算法来执行故障检测和识别。通过实验证明提出的系统监控具有潜在的在现实自动驾驶场景中预防事故的能力，并且计算负载极小。

    May, 2022

  • 基于感知的控制鲁棒性保证

    利用感知地图控制自主车辆的问题，设计针对该感知方案的闭环系统安全集和稳健控制器，方法是从复杂和非线性的数据中提取一些与状态相关的线性函数预测值，并在适当的稠密状态空间采样下学习参数，以获得有利的泛化性能。在合成示例和 CARLA 的自动驾驶模拟平台上验证了该方法的实用性。

    Jul, 2019

  • 建立自动驾驶的系统分类需求

    提出了一种结构化的方法来生成分类结构，通过考虑车辆的行为需求来确定合法类别，进而通过考虑对象的碰撞安全和感知类别的两个方面来进一步验证该结构。将该方法应用于一个示例性的法律文本，获取到了一个分类层次结构；将结果与基准数据集的类别进行比较，结果显示一致性有限。这表明有必要明确考虑感知方面的法律要求。

    Jul, 2023

  • 完善感知合同：基于视觉的安全自动着陆案例研究

    通过引入一种建立数据和需求导向的感知合同精化算法 (DaRePC)，本文分析了两个使用多阶段异构的机器学习增强感知的 6 维和 12 维飞行控制系统，提供了可测试的合同以确定飞机是否可以安全降落在跑道上以及无人机是否能够安全通过一系列的门，同时也可以发现可能违反基于视觉的控制系统安全性的条件（例如，低地平线的太阳）。

    Nov, 2023

  • 黑盒系统的贝叶斯安全验证

    本文提出了一种基于贝叶斯优化的安全验证算法，它通过迭代地适配概率代理模型来高效预测故障，并通过重要性采样来估计操作域内的故障概率。经实验表明，该算法在减少样本数和各种安全验证指标方面表现良好，并可用于补充机器学习组件的 FAA 认证过程。

    May, 2023

  • 基于共形预测的随机传感器不确定性下安全感知控制

    使用感知映射通过学习获取状态估计的感知控制，通过量化感知映射的估计不确定性并将这些不确定性表示整合到控制设计中，采用符合预测来计算有效的状态估计区域，从而设计采用自我触发控制思想的取样数据控制器，以避免使用随机微积分并在具有李达（LiDAR）能力的 F1 / 10th 汽车中演示了控制器的有效性。

    Apr, 2023

  • 三维物体检测神经网络系统的安全加固

    研究如何通过安全规范、特定的损失函数以及安全感知的非极大值约束算法，使得神经网络在单阶段处理 3D 目标检测时更加具有可靠性与安全性，通过对当前最先进的 PIXOR 检测器的扩展说明了这一概念。

    Mar, 2020

  • 一份针对黑盒验证物理网络安全的算法综述

    本研究针对安全关键应用领域，提出了针对 CPS 系统进行模拟测试的安全验证技术。文中归纳了针对优化、路径规划、强化学习和重要性采样等技术进行的算法改进，并介绍了用于应对 CPS 软硬件状态空间巨大的问题分解技术。此外，本研究对自动驾驶汽车和飞行器防撞系统等领域的安全验证工具进行了总结。

    May, 2020